Python数据分析与机器学习实战

Python数据分析与机器学习实战
共207节 112124人在学 课程详情
课程目录
讨论留言
  • 人工智能入学指南

    • 课程整体介绍
    • AI时代首选Python
    • Python我该怎么学
    • 人工智能的核心-机器学习
    • 机器学习怎么学?
    • 算法推导与案例
  • 机器学习建模流程与BenchMark

    • HTTP检测任务与数据挖掘的核心
    • 论文的重要程度
    • BenchMark概述
    • BenchMark的作用
  • Python科学计算库-Numpy

    • 课程环境配置(所有课程数据代码PPT下载------------>)
    • Numpy工具包概述
    • 数组结构
    • 属性与赋值操作
    • 数据索引方法
    • 数值计算方法
    • 排序操作
    • 数组形状
    • 数组生成常用函数
    • 随机模块
    • 读写模块
  • python数据分析处理库-Pandas

    • Pandas工具包使用简介
    • 数据信息读取与展示
    • 索引方法
    • groupby函数使用方法
    • 数值运算
    • merge合并操作
    • pivot数据透视表
    • 时间操作
    • apply自定义函数
    • 常用操作
    • 字符串操作
  • Python数据可视化库-Matplotlib

    • Matplotlib概述
    • 子图与标注
    • 风格设置
    • 条形图
    • 条形图细节
    • 条形图外观
    • 盒图绘制
    • 盒图细节
    • 绘图细节设置
    • 绘图细节设置
    • 直方图与散点图
    • 3D图绘制
    • pie图
    • 子图布局
    • 结合pandas与sklearn
  • 线性回归算法原理推导

    • 回归问题概述
    • 误差项定义
    • 独立同分布的意义
    • 似然函数的作用
    • 参数求解
  • 梯度下降策略

    • 梯度下降通俗解释
    • 参数更新方法
    • 优化参数设置
  • 逻辑回归算法

    • 逻辑回归算法原理
    • 化简与求解
  • 项目实战-交易数据异常检测

    • 任务目标解读
    • 项目挑战与解决方案制定
    • 数据标准化处理
    • 下采样数据集制作
    • 交叉验证
    • 数据集切分
    • 模型评估方法与召回率
    • 正则化惩罚项
    • 训练逻辑回归模型
    • 混淆矩阵评估分析
    • 测试集遇到的问题
    • 阈值对结果的影响
    • SMOTE样本生成策略
    • 过采样效果与项目总结
  • 决策树算法

    • 决策树算法概述
    • 熵的作用
    • 信息增益原理
    • 决策树构造实例
    • 信息增益率与gini系数
    • 预剪枝方法
    • 后剪枝方法
    • 回归问题解决
  • 决策树实例

    • 决策树复习
    • 决策树涉及参数
    • 树可视化与sklearn库简介
    • sklearn参数选择
  • 集成算法与随机森林

    • 集成算法-随机森林
    • 特征重要性衡量
    • 提升模型
    • 堆叠模型
  • 案例实战:集成算法建模实战

    • 集成算法实例概述
    • ROC与AUC指标
    • 基础模型
    • 集成实例
    • Stacking模型
    • 效果改进
  • 贝叶斯算法

    • 贝叶斯算法概述
    • 贝叶斯推导实例
    • 贝叶斯拼写纠错实例
    • 垃圾邮件过滤实例
  • 项目实战-新闻数据集分类任务

    • 新闻数据与任务概述
    • 中文分词与停用词过滤
    • 文本关键词提取
    • 词袋模型
    • 贝叶斯建模结果
    • TF-IDF特征分析对比
  • 支持向量机算法原理推导

    • 支持向量机要解决的问题
    • 距离与数据定义
    • 目标函数推导
    • 拉格朗日乘子法求解
    • 化简最终目标函数
    • 求解决策方程
    • 软间隔优化
    • 核函数的作用
    • 知识点总结
  • SVM算法中参数对结果的影响

    • 线性支持向量机
    • 软间隔C值对结果的影响
    • 模型复杂度的权衡
    • 人脸识别实例
  • 走进深度学习-神经网络算法

    • 深度学习要解决的问题
    • 深度学习应用领域
    • 计算机视觉任务
    • 视觉任务中遇到的问题
    • 9-得分函数
    • 损失函数的作用
    • 1前向传播整体流程
    • 返向传播计算方法
    • 神经网络整体架构
    • 神经网络架构细节
    • 神经元个数对结果的影响
    • 正则化与激活函数
    • 神经网络过拟合解决方法
  • 聚类算法-Kmeans

    • KMEANS算法概述
    • KMEANS工作流程
    • KMEANS迭代可视化展示
  • 聚类算法-DBSCAN

    • DBSCAN聚类算法
    • DBSCAN工作流程
    • DBSCAN可视化展示
  • 案例实战:聚类算法实验分析

    • Kmenas算法常用操作
    • 聚类结果展示
    • 建模流程解读
    • 不稳定结果
    • 评估指标-Inertia
    • 如何找到合适的K值
    • 轮廓系数的作用
    • Kmenas算法存在的问题
    • 应用实例-图像分割
    • 1半监督学习
    • DBSCAN算法
  • 自然语言处理词向量模型-Word2Vec

    • 自然语言处理与深度学习
    • 语言模型
    • N-gram模型
    • 词向量
    • 神经网络模型
    • Hierarchical Softmax
    • CBOW模型实例
    • CBOW求解目标
    • 梯度上升求解
    • 负采样模型
  • 使用Gensim库构造中文维基百度数据词向量模型

    • 使用Gensim库构造词向量
    • 维基百科中文数据处理
    • Gensim构造word2vec模型
    • 测试模型相似度结果
  • 综合项目实战-商品销售额回归分析

    • 数据任务分析
    • 特征工程制作
    • 统计指标生成
    • 特征信息提取
    • 标签变换
    • 输入数据制作
    • Xgboost训练模型
    • 生成输出结果
  • 特征工程-常用特征构建方法

    • 基本数值特征
    • 常用特征构造手段
    • 时间特征处理
    • 文本特征处理
    • 构造文本向量
    • 词向量特征
    • 计算机眼中的图像
  • 项目实战-基于随机森林的气温预测

    • 基于随机森林的气温预测任务概述
    • 基本随机森林模型建立
    • 可视化展示与特征重要性
    • 加入新的数据与特征
    • 数据与特征对结果的影响
    • 1效率对比分析
    • 网格与随机参数选择
    • 随机参数选择方法实践
    • 调参优化细节
  • Xgboost提升算法

    • Xgboost算法概述
    • Xgboost模型构造
    • Xgboost建模衡量标准
  • Xgboost调参实例

    • Xgboost安装
    • 保险赔偿任务概述
    • Xgboost参数定义
    • 基础模型定义
    • 树结构对结果的影响
    • 学习率与采样对结果的影响
  • K近邻算法实战

    • K近邻算法概述
    • 模型的评估
    • 数据预处理
    • sklearn库与功能
    • 多变量KNN模型
  • 降维算法-主成分分析

    • 1-PCA基本概念
    • 2-方差与协方差
    • PCA结果推导
    • PCA降维实例
  • 降维算法-线性判别分析

    • 线性判别分析要解决的问题
    • 线性判别分析要优化的目标
    • 线性判别分析求解
    • 实现线性判别分析进行降维任务
    • 求解得出降维结果
播放页问题反馈
视频学习中有任何产品建议都可由此反
馈,我们将及时处理!

课时介绍

人脸识别实例

课程介绍


Python数据分析与机器学习实战教程,该课程精心挑选真实的数据集为案例,通过python数据科学库numpy,pandas,matplot结合机器学习库scikit-learn完成一些列的机器学习案例。课程以实战为基础,所有课时都结合代码演示如何使用这些python库来完成一个真实的数据案例。算法与项目相结合,选择经典kaggle项目,从数据预处理开始一步步代码实战带大家入门机器学习。学完该课程即可: 1.掌握Python数据科学工具包,包括矩阵数据处理与可视化展示。 2.掌握机器学习算法原理推导,从数学上理解算法是怎么来的以及其中涉及的细节。 3.掌握每一个算法所涉及的参数,详解其中每一步对结果的影响。 4.熟练使用Python进行建模实战,基于真实数据集展开分析,一步步完成整个建模实战任务。

推荐课程

信息系统项目管理师自考笔记

李明 · 710人在学

python从0到1:期货量化交易系统(CTP实战,高频及合成K线数据

王先生 · 22071人在学

手把手搭建Java超市管理系统【附源码】(毕设)

汤小洋 · 4198人在学

Java毕设springboot外卖点餐系统 毕业设计毕设源码 使用教

黄菊华 · 786人在学

基于SSM酒店管理系统(毕设)

小尼老师 · 837人在学

java项目实战之购物商城(java毕业设计)

Long · 5151人在学

手把手搭建Java求职招聘系统【附源码】(毕设)

汤小洋 · 1504人在学

Python Django 深度学习 小程序

钟翔 · 2315人在学

城管局门前三包管理系统+微信小程序(vue+springboot)

赖国荣 · 597人在学

Vue+Uni-app(uniapp)入门与实战+赠送仿美团点餐小程序

李杰 · 3979人在学

正在试验
后自动删除环境
课程实验
本次实验时间已到期 00:00:00

    订阅失败

    Python数据分析与机器学习实战
    Python数据分析与机器学习实战 ...

    订阅列表已满,请先移出部分订阅内容。

    当前章节需购买后观看
    开通超级会员免费看!专家精选系列课程,满足你从入门到精通!更有问答月卡免费送,你的问题有问必答!
    提交答案

    购买课程

    扫码完成付费,可继续学习全部课程内容

    加载中...
    课件正在飞速打包中,请耐心等待几秒钟~